利用形态非抽样小波的电能质量扰动定位方法

由于电能质量扰动信号的波形具有不规则性与多变性,使得目前缺乏成熟的方法对其进行检测与定位。基于此,提出一种新的形态非抽样小波,并将其应用于电能质量扰动信号的检测定位。该形态小波包含了开闭与闭开组合滤波器与可检测突变信号上下边缘的形态梯度,满足信号重构条件。利用Matlab对单一扰动信号与混合扰动信号进行仿真验证,并与前人构造的形态非抽样小波进行对比分析。结果表明,所构造的形态非抽样小波具有很好的扰动信号特征描述能力及抗噪性能,即使在强噪声环境下,也能正确指示扰动起止时刻及突变极性,在电能质量扰动信号的检测定位上具有较好的适应性与可行性。

形态非抽样小波及其在冲击信号特征提取中的应用

针对形态小波分解过程的抽样引起信号长度逐层递减的问题,提出一种基于多尺度Top-Hat变换的形态非抽样小波构造方法。利用形态非抽样小波的一般框架,分别采用形态学开运算和多尺度Top-Hat变换作为形态非抽样小波分解的近似信号和细节信号的分析算子,使形态小波分解过程中信号长度保持不变,从而保证了形态分析时所需的信息量。结合转子振动冲击特征信号提取试验,验证所提方法在故障诊断中应用的可行性与有效性。

基于MUDW和峭度的齿轮故障信号预处理方法

针对齿轮故障信号特征提取困难、易淹没在噪声干扰中等问题,采用形态非抽样小波(Morphological UnDecimated Wavelet,MUDW)分解和峭度对振动信号进行预处理,以强化齿轮故障信号特征和提高特征信息比重。首先,采用MUDW对信号进行分解,利用网格搜索法优选其初始参数;然后,采用峭度作为评价指标来表征各分解层近似信号对故障特征的贡献量,在此基础上进行加权融合运算,以提高有用的近似信号比重;最后,利用仿真信号和实测的齿轮故障振动信号验证了该方法的有效性和实用性。